APP下载

基于改进PSO算法的移动机器人最优路径规划*

2024-02-29党博宇李海燕

组合机床与自动化加工技术 2024年2期
关键词:移动机器人规划方法

党博宇,李海燕

(东北大学a.信息科学与工程学院;b.计算机科学与工程学院,沈阳 110819)

0 引言

路径规划作为机器人自主导航的核心技术,提出了多种算法,如A*算法[1]、蚁群优化算法[2]、改进人工势场法[3]、遗传算法[4]等。上述方法在环境简单、静态障碍物条件下,通过环境建模或者搜索可以完成路径规划任务[5-6]。然而,机器人实际运动中不仅有静态障碍物还有动态障碍物,现实环境通常具有不确定性,随机障碍物环境下机器人规划安全无碰撞的最优路径极为重要。

近年来,粒子群算法(PSO)由于搜索快速、效率高、算法易于实现,广泛应用于机器人路径规划的研究[7]。TANG等[8]提出了多机器人协同粒子群优化算法,改进了粒子停滞更新问题;ZHANG等[9]利用惯性权重和加速因子提高PSO算法的收敛速度,避免粒子陷入局部极小点;TAN等[10]将蚁群算法和PSO算法相结合,规划了点焊机器人的最优运动路径。上述研究仅考虑了运动环境中的静态障碍物,未能解决机器人遇到随机障碍物的问题。

移动机器人在实际工作场景中,由于运动环境的不确定性,往往会出现随机障碍物,严重影响机器人的安全运动。LI等[11]提出了A*和动态窗口(DWA)融合的轨迹规划算法,利用改进的A*算法规划全局路径,再结合DWA算法实现实时避障;KOBAYASHI等[12]提出了DWA方法,对静态和动态障碍物的位置进行预测,实现了虚拟机械手的路径规划;DAI等[13]提出了改进的Informed-RRT*算法并融合DWA方法,实现了机器人的自主导航。虽然上述研究利用DWA方法实现了动态障碍物的避障,然而没有考虑避开障碍物后再次返回已经规划的全局路径的问题,增加了重新规划路径的计算成本。……

登录APP查看全文

猜你喜欢

移动机器人规划方法
移动机器人自主动态避障方法
规划引领把握未来
快递业十三五规划发布
基于Twincat的移动机器人制孔系统
多管齐下落实规划
用对方法才能瘦
迎接“十三五”规划
四大方法 教你不再“坐以待病”!
捕鱼